telegram email

ИИ-модуль распознавания блюд и классификации заказов

ИИ-модуль для детекции подносов, распознавания блюд и сверки состава заказа по видеопотоку. Подходит для ресторанов быстрого питания и точек с высокой скоростью сборки
до 95% точность распознавания блюд
на 40% меньше ошибок сборки заказов
30 FPS обработка видеопотока в реальном времени
Meal (1).jpg

Сферы применения

Контроль сборки заказов в ресторанах быстрого питания Сверка состава заказа на линии выдачи Подсчёт блюд на линии раздачи ресторана Контроль некорректной комплектации заказа Видеоаналитика кухни и зоны выдачи Соблюдение регламентов и рецептуры блюд в сетевых ресторанах

Как работает модуль

1
Детекция подносов
Система находит подносы в кадре и выделяет для каждого отдельную зону анализа
2
Классификация блюд
Внутри зоны подноса модель распознаёт блюда, напитки и упаковки по заданному списку классов
3
Подсчёт состава заказа
Для каждого подноса формируется список найденных позиций и количество единиц каждого класса
4
Логика проверки результата
Система фильтрует сомнительные комбинации и выносит спорные кейсы в ручную проверку
5
Формирование отчета
Результаты сохраняются в карточке подноса и могут использоваться для аналитики, контроля сборки и сверки с внешними системами
Задачи
Контролировать комплектацию заказов по фактуПроверять соответствие заказа стандартам сетиИсключить недовложения и пересортыКонтролировать соблюдение технологических регламентов
Результаты
Ошибки комплектации снижены на 30–40%Соблюдение рецептур и стандартов контролируется автоматическиНедовложения снижены на 30%Отклонения от рецептуры фиксируются системой

Подключите модуль распознавания блюд

Убедитесь, что каждый гость получает именно тот заказ, за который заплатил

Технологии

Модуль анализирует видеопоток с камеры над зоной выдачи, детектирует подносы и классифицирует блюда внутри них. 

 

Система формирует структурированное описание состава заказа и может использоваться для контроля сборки и аналитики процессов кухни.

  • Предобработка видеопотока

    Нормализация яркости и контраста кадра, подавление шумов и подготовка изображения для анализа RTSP-2.png

  • Детекция подносов

    Модель семейства YOLO выделяет подносы в кадре и формирует зоны анализа для распознавания блюд 4.png
Item 1 of 4

Внедрение и поддержка

Анализ сцены и требований 01
Определяем ракурс камеры, зону контроля, список блюд и требования к точности распознавания
Сбор и разметка датасета 02
Формируем набор изображений подносов и блюд, выполняем разметку классов для обучения модели
Обучение и настройка модели 03
Дообучаем детекцию подносов и классификацию блюд под конкретную сцену и меню ресторана
Интеграция и запуск пилота 04
Подключаем видеопоток, настраиваем обработку кадров и проверяем работу системы на реальных заказах
Поддержка и обновление моделей 05
Добавляем новые блюда, обновляем датасет и дообучаем модели при изменении меню или упаковки

Стоимость и время внедрения модуля

Указана цена за подключение модуля к одной камере

Малый бизнес

50 000 - 80 000 ₽ • 3 – 12 мес

Платформа
Neuro Vision

от 50 000 ₽ • Готовое решение

Средние и крупные компании

90 000 - 150 000 ₽ • 3 – 12 мес

Создадим проект мечты вместе

Напишите нам в Telegram о подробностях вашего проекта, и мы проведем бесплатную консультацию по автоматизации вашего бизнеса

Другие модули

Ads (1).jpg

ИИ-модуль распознавания логотипов и символики

Решение для обнаружения брендов, символики и текстовых упоминаний в видео и изображениях. Позволяет контролировать размещение бренда в медиаконтенте, выявлять репутационные риски и автоматически модерировать материалы
Clothes.jpg

Распознавание одежды и внешних атрибутов человека

ИИ-модуль компьютерного зрения, который определяет одежду, аксессуары и внешние признаки людей на видео. Позволяет искать человека по описанию внешнего вида, анализировать потоки посетителей и повышать эффективность систем безопасности